弱监督裂缝检测
计算机视觉与模式识别
2022-11-28 v2
摘要
像素级裂缝分割因其在建筑与道路检测中的高影响而被广泛研究。尽管近期研究在精度上取得了显著改进,但它们通常严重依赖像素级裂缝标注,而此类标注获取耗时。在前期工作中,我们提出通过将裂缝分割问题重构为弱监督问题来降低标注成本瓶颈——即通过牺牲标注质量以加快标注过程。标注质量的损失通过利用逐像素亮度值细化推理来弥补,当裂缝与非裂缝之间的像素亮度分布区分良好时该方法有效,但对于颜色较浅的裂缝以及亮度分布较不明显的非裂缝目标则表现不佳。在本文中,我们提出一种标注细化方法,其利用了被错误标注为裂缝的区域与背景具有相似局部视觉特征这一事实。由于所提方法是数据驱动的,因此无论数据集的像素亮度分布如何均有效。所提方法在三个裂缝分割数据集以及一个血管分割数据集上进行了评估以测试域鲁棒性,结果显示其将标注过程加速了 10 至 30 倍,而检测精度保持在可比水平。
引用
@article{arxiv.2206.06743,
title = {Weakly-Supervised Crack Detection},
author = {Yuki Inoue and Hiroto Nagayoshi},
journal= {arXiv preprint arXiv:2206.06743},
year = {2022}
}
备注
Submitted to IEEE Transactions on Intelligent Transportation Systems